pytorch实现保证每次运行使用的随机数都相同

其实在代码的开头添加下面几句话即可：

# 保证训练时获取的随机数都是一样的
init_seed = 1
torch.manual_seed(init_seed)
torch.cuda.manual_seed(init_seed)
np.random.seed(init_seed) # 用于numpy的随机数

torch.manual_seed(seed)

为了生成随机数设置种子。返回一个torch.Generator对象

参数：

seed (int) – 期望的种子数

torch.cuda.manual_seed(seed)

为当前GPU生成随机数设置种子。如果CUDA不可用，调用该方法也是安全的；在这种情况下，该调用就会被忽略

参数：

seed (int) – 期望的种子数

⚠️如果你使用的是多GPU模型，就要调用manual_seed_all(seed).

以上这篇pytorch实现保证每次运行使用的随机数都相同就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持呐喊教程。

声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：notice#nhooo.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。